Engenheiro de IA – Grupo Boticário – Home Office

Engenheiro de IA – Grupo Boticário – Home Office

Responsabilidades e atribuições
O time de Planejamento de Demanda do Grupo Boticário busca otimizar a precisão da produção através de uma estrutura multidisciplinar que evolui de modelos estatísticos para uma plataforma autônoma, onde a IA atue como copiloto estratégico do negócio. O maior desafio da área com a IA Generativa reside em garantir a acuracidade técnica e mitigar “alucinações” em um cenário que exige rigor matemático, de tal modo que colabore efetivamente no direcionamento e tomada de decisão.

Desenhar e implementar arquiteturas de Agentes de IA Multi-Cloud: Ser responsável pelo desenho técnico e implementação de agentes autônomos que operam na nossa arquitetura Modern Hybrid Mesh. Você orquestrará modelos de inferência rápida (como Claude 3.5 Sonnet e DeepSeek-R1) via Amazon Bedrock para interações em tempo real na tela, e modelos de raciocínio profundo (como Gemini 3 Pro) no GCP Vertex AI para análises em lote com janelas de contexto de até 1 milhão de tokens.
Engenharia de Contexto e RAG Avançado: Projetar e otimizar pipelines de Retrieval-Augmented Generation (RAG) utilizando o Amazon Bedrock Knowledge Bases. Implementar técnicas de extração inteligente e filtragem dinâmica de metadados para garantir que os agentes recuperem com precisão as políticas de estoque e lead times da companhia.
Desenvolver a capacidade de raciocínio dos Agentes: Criar copilotos interativos para o planejamento de demanda, utilizando o padrão de Thought Signatures para manter a coesão do raciocínio da IA em fluxos complexos, garantindo respostas determinísticas e auditáveis a partir de dados estruturados (Iceberg/RDS).
Integração e Orquestração Assíncrona: Desenvolver a comunicação segura entre os agentes de IA e nossos microsserviços Kotlin. Para tarefas de longo tempo de execução, você integrará os fluxos agentivos com AWS Step Functions utilizando o padrão de Callback, eliminando tempos ociosos e garantindo tolerância a falhas.
Atuar na produtização de soluções de IA (LLMOps e Segurança): Garantir a governança, monitoramento de custos de inferência e segurança das aplicações. Implementar Guardrails no Bedrock e configurar acessos Cross-Cloud utilizando Workload Identity Federation (WIF) para comunicação segura entre AWS e GCP sem tráfego de credenciais estáticas.
Colaboração e desenvolvimento técnico: Colaborar ativamente com o Squad de Modelagem e o Squad de Aplicação, traduzindo outputs de modelos estatísticos preditivos (ARIMA/XGBoost) em insights textuais e sugestões de ação automatizadas para os usuários de Supply Chain.

Requisitos e qualificações
Sólida experiência em IA Generativa : Experiência prática e comprovada na arquitetura, implantação e produtização de aplicações complexas usando LLMs de ponta em ambientes de missão crítica.
Profundo conhecimento em Python e Frameworks Agentivos: Fluência avançada em Python e domínio de ecossistemas de construção de agentes e orquestração de LLMs (ex: LangChain, LlamaIndex, Amazon Bedrock AgentCore, Vertex AI Agent Builder).
Experiência com Multi-Cloud AI: Experiência com pelo menos um dos grandes provedores gerenciados de IA (AWS Bedrock ou Google Vertex AI) e profundo entendimento das diferenças entre inferência em tempo real vs. batch.
Arquitetura de RAG e Vector Databases: Sólida experiência em chunking semântico, modelos de embedding (ex: Titan Multimodal) e otimização de busca em bancos de dados vetoriais (ex: OpenSearch, pgvector, Pinecone).
Capacidade técnica e pensamento crítico: Habilidade para tomar decisões arquiteturais autônomas (ex: quando usar fine-tuning vs. RAG vs. Prompt Engineering complexo) visando otimização de latência e custo por token.

Diferencial:

Experiência prática com a implementação de Workload Identity Federation (WIF) entre nuvens.
Conhecimento prévio no ecossistema AWS Serverless (Step Functions, Lambda, EventBridge).
Entendimento de regras de negócio de Supply Chain, Planejamento de Demanda (S&OP/IBP) ou Finanças.
Experiência com a plataforma Google BigLake e acesso federado a dados no formato Apache Iceberg.
Familiaridade com Kotlin ou Java para facilitar a interface com o time de Backend (Motor de Regras).